數(shù)據(jù)挖掘方法與模型

定　價：￥49.00

作　者：	（美）拉羅斯著，劉燕權等譯
出版社：	高等教育出版社
叢編項：
標　簽：	數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

購買這本書可以去

ISBN：	9787040309683	出版時間：	2011-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	287	字數(shù)：

內容簡介

　　《數(shù)據(jù)挖掘方法與模型》分為7章，第1章是對降維方法的介紹，這是數(shù)據(jù)挖掘技術的一個先決條件；第2章至第6章為經(jīng)典的數(shù)據(jù)挖掘算法和技術，包括一元回歸模型、多元回歸模型、邏輯回歸模型、貝葉斯網(wǎng)絡分析以及遺傳算法，通過實際案例引導讀者由已預處理的數(shù)據(jù)使用不同的挖掘技術從而得出所需結論；第7章為基于數(shù)據(jù)挖掘過程模型上的多個案例研究，通過多個領域的案例來闡述算法和技術是如何被運用的?！稊?shù)據(jù)挖掘方法與模型》可作為數(shù)據(jù)挖掘課程教學用書，適用于高年級本科生和研究生的教學，也可供科研人員參考使用。當下，由于強大的數(shù)據(jù)挖掘軟件平臺很容易獲得，草率地使用數(shù)據(jù)挖掘方法和技術將導致挖掘的結果混淆難解。這種失誤往往源自盲目使用“黑盒子”方法進行數(shù)據(jù)挖掘，而最好的避免途徑就是使用“自盒子”方法，理解隱藏在軟件背后的算法和統(tǒng)計模型結構。

作者簡介

　　Daniel T.Larose，博士，美國中康涅狄格州立大學統(tǒng)計學教授。設計、開發(fā)并主持了世界上第一個在線數(shù)據(jù)挖掘管理科學碩土學位課程及教學，創(chuàng)立了中康涅狄格州立大學數(shù)據(jù)挖掘研究室。研究興趣包括數(shù)據(jù)挖掘、統(tǒng)計分析等。發(fā)表多篇論文，出版學術專著5部。劉燕權，博士，美國南康涅狄格州立大學終身正教授、校理事會理事，美福布賴特學者（2009-2010），北京大學、南京大學、清華大學、中國科學院研究生院、南京理工大學、內蒙古大學等客座教授。研究方向為計算機科學與理論、數(shù)據(jù)挖掘、軟件工程項目開發(fā)與管理、數(shù)字圖書館、信息技術理論與實踐、多媒體設計及應用等。發(fā)表論文及學術專著80余篇（部）。

圖書目錄

第1章　降維方法
　1.1　數(shù)據(jù)挖掘中降低維度的必要性
　1.2　主成分分析法
　　1.2.1　主成分分析應用于房屋數(shù)據(jù)集
　　1.2.2　應提取多少個主成分
　1.3　因子分析法
　　1.3.1　因子分析法在成年人數(shù)據(jù)集中的應用
　　1.3.2?因子旋轉
　1.4　用戶自定義合成
　總結
　參考文獻
　練習題
第2章　回歸模型
　2.1　簡單線性回歸實例
　2.2　最小二乘法估計
　2.3　決定系數(shù)
　2.4　估計值的標準誤差
　2.5　相關系數(shù)
　2.6　方差分析表
　2.7　異常點、高杠桿點和強影響觀測值
　2.8　回歸模型
　2.9　回歸推斷
　　2.9.1　x和y之間線性關系的t檢驗
　　2.9.2　回歸直線斜率的置信區(qū)間
　　2.9.3　給定x條件下，Y均值的置信區(qū)間
　　2.9.4　給定x條件下，Y隨機選擇值的預測區(qū)間
　2.10　回歸假設檢驗
　2.11　實例：棒球數(shù)據(jù)集
　2.12　實例：加利福尼亞州數(shù)據(jù)集
　2.13　線性變換實現(xiàn)
　總結
　參考文獻
　練習題
第3章　多元回歸和建模
　3.1　多元回歸實例
　3.2　多元回歸模型
　3.3　多元回歸推斷
　3.4　含有分類預測變量的回歸
　　3.4.1　調整R2：對包含無用預測變量的懲罰模式
　　3.4.2　序貫的誤差平方和
　3.5　多重共線性
　3.6　變量選擇方法
　　3.6.1　偏F檢驗
　　3.6.2　向前選擇程序
　　3.6.3　向后排除程序
　　3.6.4　逐步選擇程序
　　3.6.5　最優(yōu)子集程序
　　3.6.6　所有可能的子集選擇程序
　3.7變量選擇方法的應用
　　3.7.1　向前選擇程序應用于谷物數(shù)據(jù)集
　　3.7.2　向后排除程序應用于谷物數(shù)據(jù)集
　　3.7.3　逐步選擇程序應用于谷物數(shù)據(jù)集
　　3.7.4　最優(yōu)子集程序應用于谷物數(shù)據(jù)集
　……
第4章　邏輯回歸
第5章　樸素貝葉斯估計和貝葉斯網(wǎng)絡
第6章　遺傳算法
第7章　案便研究：直郵營銷的回應建模問題
總結
參考文獻